从Tripadvisor提取的2万条酒店点评。 tripadvisor_hotel_reviews.csv

员工对公司的评价 抓取 Indeed 获取与给定关键字匹配的所有近期职位列表，然后抓取 Indeed 和 Glassdoor 对提供职位的公司的评论。 绘制评级，并在评论上使用主题建模来了解员工如何看待他们的公司。 可视化主题。 由 Henri Dwyer 用 Python 编写。 入门 两个 ipython 笔记本展示了如何使用该库来抓取和绘制评级。 在本地运行它们或查看它们托管： 主题建模 对于主题建模，您可以使用分层狄利克雷过程。 我用 C++ 修改了 Chong Wang 和 David Blei 编写的库： 这个 ipython 笔记本展示了如何准备用于 HDP 库的数据，以及如何从结果中探索主题。 进一步阅读 一个例子：

Classify the sentiment of sentences from the Rotten Tomatoes dataset 文件train.tsv test.tsv 有网可以自己下https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews

目的–到目前为止，文献中用于研究在线评论内容的文本挖掘技术非常不同，因此对于愿意复制分析的学者和公司可能会造成混乱。 本文旨在提出和说明一个统一的结构化研究程序，以从在线评论中发现情感和心理上的品牌联想，目的是分析品牌定位和识别品牌细分。 设计/方法/方法-从化妆品的在线零售商那里收集了62496条在线评论，这些评论属于“腮红”产品类别的44个品牌。 基于词典的工具语言查询和字数统计（LIWC）用于进行文本挖掘分析。 总共选择了26个文本变量作为品牌定位和品牌细分分析的输入。 调查结果–我们说明了如何使用文本数据来发现情感和心理品牌联想。 在所研究的化妆品类别中，与积极情绪相关的词语最为常见。 此外，代表感知过程的词语（例如，视觉和感觉），与身体相关的词语以及反映时间和空间问题的词语也与产品类别相关。 基于品牌关联，本研究发现了该类别中的四个品牌集群。 实际意义–这项研究为市场营销从业人员（尤其是中小型公司的营销从业人员）提供了易于实施的程序，以发现在线评论的文字内容，以研究品牌定位和细分。 原创性/价值–这项研究是提供统一和结构化指南的先驱，该指南从在线评论的文本内容中发现情感和心理品牌联想，以研究品牌定位并确定品牌细分。

tensorflow_datasets 数据 imdb_reviews/subwords8k，将该文件解压到文件夹中：C:\Users\XXX\tensorflow_datasets\imdb_reviews\

文本预处理文章的链接数据集，亚马逊商品评论数据，可以用于训练评论的正负向情感 This dataset consists of reviews of fine foods from amazon. The data span a period of more than 10 years, including all ~500,000 reviews up to October 2012. Reviews include product and user information, ratings, and a plain text review. It also includes reviews from all other Amazon categories.

在Windows系统中，将该压缩文件解压到以下目录：C:\Users\XXX\tensorflow_datasets\ 注意：XXX表示当前登录Windows的用户名

从Aliexpress.com获得评论 “只需点击几下，便可将AliExpress的评论导入Shopify商店 Shopify阿里评论应用程序的扩展https://apps.shopify.com/ali-reviews - 只需点击几下鼠标，即可将AliExpress的评论导入您的商店，从而增加销售额。 - 通过大量真实可靠的评论提升您的购物者的信任度和兑换率。 - 易于使用，移动友好的设计和设置只需要3分钟。“ 支持语言:English

[ng评论] 一个产品评论网站，使用以下堆栈构建： 客户 单页应用程序： Angular.JS 1.2.16 Firebase.io 用于实时评论同步 用于 UI 的 Bootstrap 3 Karma / Mocha / Chai 用于测试 基于 ng-boilerplate 的 Grunt 工作流 服务器 API后端： 导轨 4.1 Ruby 2.1 Postgres 数据库 用于测试的 Rspec 为认证/授权设计/CanCan/Rolify Demo Live at （产品数据每天重置）管理员凭据：电子邮件： 密码：changeme 特征 普通用户 查看产品列表 对产品发表评论 查看产品后查看评论列表 认证用户 创建产品 重命名产品 删除产品 重置产品数据库 学分 阿迪尔·哈里塔 - 2014

情感分析已成为社交网络分析的主流研究之一。 它的影响可以在许多实际应用中看到，从舆论分析到营销公众赞誉和信息预测。 然而，大多数现有的研究已经在主观文本的情感分类中进行，复杂的交互文本（例如，在线评论）的情感演变分析尚未被研究界彻底确定目标。 本文关注从天涯论坛收集的中文短文在线评论。 首先，提出了一种有效的情感计算框架来捕捉中国在线评论的内在情感。 它可以准确地计算整个评论的语义方向，而无需昂贵的手工标记种子词。 由于用户的态度可能会相互影响，因此仅依靠历史评论的情感价值来预测其未来的情感行为是非常一方面的。 因此，我们提出一种结合情感计算的基于博弈论的情感演化预测算法，该算法将混合纳什均衡策略作为交互用户的未来情感行为进行计算。 然后，在大规模审查数据集上提供实验结果，以证明我们方法的有效性和准确性。 最后，通过将研究结果应用到幸福感与大众感的成对评估中，我们在天涯论坛的“世界观”板上发现了一些有趣的现象。